数据驱动的复杂系统多模式故障诊断与预测维护

大型自动化系统的结构越来越复杂，故障诊断与预测维护的研究关系到系统安全、稳定、经济运作的各个环节。随着DCS和各种智能仪表的广泛应用，海量数据被采集并存储下来，但因大量信息未被有效利用，所以常出现"数据丰富，信息匮乏"的现象。本项目拟开展基于数据驱动的复杂系统多模式故障诊断与预测维护研究：1）引入指定元分析(DCA)的思想，并将其与盲源分离（BSS）统一在一个要建立的投影框架内；2）在投影框架内研究基于DCA的未知类型故障、非显著故障诊断方法。探索源数目可变的BSS算法，开展可变数目多故障诊断问题研究；3）进行多尺度空间投影，建立BSS故障诊断的多尺度方法，开展因多故障引起的系统输出非平稳现象的多模式检测方法研究；4）引入主元影射的概念，建立系统输入输出统计模型，研究故障沿各子系统的传播方式，以追溯故障的根本原因，找出故障元件；5）根据诊断结果，正确评估系统状态，制定合理的预测维护方案。